在复杂网络问题的研究中,众多聚类算法的横向比较与改进研究方面的工作在近几年吸引了大量注意并得到深入研究.其中,基于模块度的算法被广泛应用,而模块度也作为评价聚类的一项指标.在这类算法中,基于模块度的快速Newman算法(Fast-Newman　algorithm,FN)显得较为突出,许多相关的深入研究由此展开,但多数工作是基于算子改进、应用领域等方向展开的,而对于算法结果的研究工作则更多偏向于评价、测量和总结.该研究从FN算法的结果入手,对算法的分类结果进行数据的后处理.在研究中发现了FN算法中常见的错误类型,并提出了3种不同的解决方案,使得最终结果更加符合实际,达到更好的聚类效果.在部分案例中准确率可提高至100％.